航材零部件查询作为机务维护人员工作中的重要环节,其查询准确性对飞机飞行安全有着直接影响。经过实际调研了解到,当前零部件查询主要是依据该零部件所在机型的图解零件目录手册进行人工查找,该查询方式存在查询速度慢、准确度低等问题,往往难以满足实际维护工作中对零部件件号查询的需求。为了解决上述问题,本文以SR20飞机IO360ES型发动机零部件为研究对象,通过构建航材零部件的图像样本集,利用深度学习算法提取零部件有效特征,实现零部件件号信息的自动查询,并对航材零部件查询系统进行设计部署,主要工作如下:首先,本文论述了深度神经网络机理,包括神经元结构、感知机网络,并对卷积神经网络结构中的卷积、池化和全连接等操作方式做出详细分析,对图像检测网络基础中的交并比和非极大值抑制等重要指标进行阐述,为后续构建零部件查询模型提供理论支撑。其次,对SR20发动机零部件的采集要求、采集方式和分类进行研究,并对采集到的航材零部件样本数据进行图像清洗和修复,通过图像增强、图像标注等方式构建了航材零部件数据样本集,并应用深度学习算法提取零部件特征,为下一章的深度神经网络训练提供数据基础。再次,结合上述构建的航材零部件样本数据,搭建YOLOv5-F零部件查询模型,利用构建的航材零部件样本集对模型进行多次迭代训练,得到符合设计需求的预测模型,并与其他检测算法进行查询实验对比,对比结果表明该优化后的网络模型在零部件查询的精确率上有较大的提升。最后,使用Qt Designer软件进行航材零部件查询系统的程序可视化设计,搭建相关查询平台,利用该系统对零部件图像、离线零部件视频及在线零部件视频进行航材零部件件号查询,同时可在前端界面处显示件号查询结果,并通过与其他查询方式进行对比,证明该系统可以快速准确地完成对航材零部件件号信息的查询。